【摘 要】
：
为提高船舶交通流量预测的准确性,针对BP神经网络随机确定初始权值和阈值的缺点,提出一种基于人工蜂群算法(Artificial Bee Colony,ABC)改进BP神经网络的ABC-BP船舶交通流量
【机 构】
：
大连海事大学航海学院,辽宁大连116026
论文部分内容阅读
为提高船舶交通流量预测的准确性,针对BP神经网络随机确定初始权值和阈值的缺点,提出一种基于人工蜂群算法(Artificial Bee Colony,ABC)改进BP神经网络的ABC-BP船舶交通流量预测模型.利用人工蜂群算法全局搜索能力和不易陷入局部最优的特点,对BP神经网络的初始权值和阈值进行优化,并以青岛港船舶交通流量统计数据为例,进行实例验证.结果显示,与传统的BP神经网络以及遗传算法(GA)优化的BP神经网络预测模型相比,ABC-BP模型平均绝对百分比误差(MAPE)低至3.3618％,不仅避免了局部最优,而且通过简单的参数设置就能够显著提高船舶交通流量的预测精度.表明本模型在船舶交通流量预测上是有效可行的.
其他文献
本文通过对历史资料的整理、发掘,重点论述了“一五计划”期间,在中国共产党的亲切关怀和正确领导下,钢铁工业飞速发展,取得了突出成绩,为国民经济其他领域的发展奠定了坚实的基础。
为解决传统船舶碰撞危险识别算法对目标船运动参数考虑不全以及在各方位采取相同安全会遇距离(Safe Distance Approach,SDA)的缺陷,构建一种适用于动态复杂船舶领域模型的碰
针对智能船舶自动靠泊控制中航迹规划和轨迹跟踪的问题,提出一种基于改进视线导航(LOS)算法的自动靠泊方案.将LOS导航算法与线性自抗扰控制(LADRC)器结合,解决了靠泊过程中模
为解决深海半潜水产养殖场周边的船舶航行安全问题,设计一套深海半潜水产养殖场船舶防撞预警系统.该系统由多功能基站、虚拟航标和管理软件等组成,基站系统集船舶自动识别系
为深入探究我国沿海船舶的事故特征,以2000-2019年我国沿海海域船舶事故数据为基础,运用数据分析和挖掘技术,从事故船舶、事故严重程度和事故时空分布等方面对我国沿海船舶事
针对传统人工势场算法运用于AUV路径规划时存在易死锁、实时性差、结果欠优等问题,提出一种改进型人工势场算法.在障碍物周围新增滑移区以替换原有斥力场的作用效果,同时构建
由于影响水上交通安全因素较多,分析不同影响因素的重要性对研究水上交通安全有重要意义.以问卷方式分别调查海事管理人员、船员和引航员等3类人员对影响水上交通安全因素的
为降低长江口及其邻近海域的船舶碰撞风险,利用2019年10月的船舶自动识别系统(Automatic Informa-tion System,AIS)的数据,通过四元数船舶领域方法分析该区域船舶潜在碰撞事
当集装箱港口遭到攻击时,港口节点失效的影响会因级联效应扩散到整个集装箱港口网络中,文章旨在探究面对不同攻击策略时,世界集装箱港口网络级联失效下的鲁棒性.构建包含761
航道水位信息是内河船舶安全通航、合理配载的决策依据之一.为揭示内河航道水位特征、提高短时预测精度,提出了一种基于小波分析(DWT)和长短时记忆(LSTM)的耦合神经网络模型,